张 礼， 王嘉瑞， 吴东洋

(南京林业大学 信息科学与技术学院，南京 210016)

下一代高通量DNA测序技术已经得到快速发展和普及，转录组测序技术(RNA-Sequencing，RNA-Seq)具有高通量，高信噪比，可重复性好，所需样本少等特点，被广泛应用的转录组学的各个研究领域中[1].寻找差异基因表达分析作为RNA-Seq数据分析中最基本应用之一，其目的是在不同对照组和控制组样本中，比如正常状态和药物治疗，健康和疾病个体，不同生物组织或者不同发育阶段等，识别出具有差异表达的基因.从RNA-Seq测序实验中获得海量读段数据后，首先需要将读段数据定位到参考基因组或者转录组上，从而统计出每个基因或者外显子上的读段数目.一旦获得基因或者外显子的读段数目，就可以进行差异表达分析.尽管RNA-Seq技术相比传统基因芯片具有很多优势，但是由于RNA-Seq测序本身技术上限制产生了很多困难，比如多源读段映射，测序偏好和小样本等问题，导致差异表达分析仍然是一个极具挑战的任务.

针对寻找差异表达基因所面临的种种挑战，提出了大量统计方法，通常可以分为两类：基于读段数目的方法和基于表达水平的两步法.基于读段数目的方法是比较在不同样本条件中基因上映射的读段数目.由于在不同样本之间，基因上读段数目变异性较大，若采用泊松分布会导致读段分布存在过散步(overdispersion)问题.因此，基于读段数目方法通常采用负二项(Negative binomial)分布，比如DESeq[2]，DESeq2[3]，baySeq[4]，edgeR[5]等.相比泊松分布的单参数……